AI Skills
azure-resource-health-diagnose

azure-resource-health-diagnose

熱門

分析 Azure 資源健康狀態，從記錄和遙測資料診斷問題，並為已識別的問題建立補救計畫。

3.7萬星標
4569分支
更新於 2026/7/14
獲取技能源代碼

相關技能

doc-coauthoring15萬planning-and-task-breakdown7.7萬academic-paper3.8萬
SKILL.md
readonlyread-only
name
azure-resource-health-diagnose
description

分析 Azure 資源健康狀態，從記錄和遙測資料診斷問題，並為已識別的問題建立補救計畫。

Azure 資源健康狀態與問題診斷

此工作流程會分析特定 Azure 資源，評估其健康狀態，使用記錄和遙測資料診斷潛在問題，並針對發現的任何問題制定全面的補救計畫。

先決條件

  • 已設定並通過驗證的 Azure MCP 伺服器
  • 已識別目標 Azure 資源（名稱，以及選擇性的資源群組/訂用帳戶）
  • 資源必須已部署並執行中，才能產生記錄/遙測資料
  • 偏好使用 Azure MCP 工具（azmcp-*）而非直接使用 Azure CLI（若可用）

工作流程步驟

步驟 1：取得 Azure 最佳做法

動作：擷取診斷和疑難排解的最佳做法
工具：Azure MCP 最佳做法工具
流程：

  1. 載入最佳做法：
    • 執行 Azure 最佳做法工具以取得診斷指南
    • 專注於健康狀態監控、記錄分析和問題解決模式
    • 使用這些做法來指導診斷方法和補救建議

步驟 2：資源探索與識別

動作：找出並識別目標 Azure 資源
工具：Azure MCP 工具 + Azure CLI 備援
流程：

  1. 資源查詢：

    • 如果只提供資源名稱：使用 azmcp-subscription-list 跨訂用帳戶搜尋
    • 使用 az resource list --name <resource-name> 尋找相符的資源
    • 如果找到多個相符項目，提示使用者指定訂用帳戶/資源群組
    • 收集詳細的資源資訊：
      • 資源類型和目前狀態
      • 位置、標籤和設定
      • 相關服務和相依性

  2. 資源類型偵測：

    • 識別資源類型以決定適當的診斷方法：
      • Web Apps/Function Apps：應用程式記錄、效能計量、相依性追蹤
      • 虛擬機器：系統記錄、效能計數器、開機診斷
      • Cosmos DB：要求計量、節流、分割區統計資料
      • 儲存體帳戶：存取記錄、效能計量、可用性
      • SQL Database：查詢效能、連線記錄、資源使用率
      • Application Insights：應用程式遙測、例外狀況、相依性
      • Key Vault：存取記錄、憑證狀態、祕密使用量
      • Service Bus：訊息計量、無效信件佇列、輸送量

步驟 3：健康狀態評估

動作：評估目前的資源健康狀態和可用性
工具：Azure MCP 監控工具 + Azure CLI
流程：

  1. 基本健康狀態檢查：

    • 檢查資源佈建狀態和操作狀態
    • 驗證服務可用性和回應能力
    • 檢閱最近的部署或設定變更
    • 評估目前的資源使用率（CPU、記憶體、儲存體等）

  2. 服務特定健康狀態指標：

    • Web Apps：HTTP 回應碼、回應時間、運作時間
    • 資料庫：連線成功率、查詢效能、死結
    • 儲存體：可用性百分比、要求成功率、延遲
    • VM：開機診斷、客體 OS 計量、網路連線
    • Functions：執行成功率、持續時間、錯誤頻率

步驟 4：記錄與遙測分析

動作：分析記錄和遙測資料以識別問題和模式
工具：Azure MCP 監控工具（用於 Log Analytics 查詢）
流程：

  1. 尋找監控來源：

    • 使用 azmcp-monitor-workspace-list 識別 Log Analytics 工作區
    • 找出與資源相關聯的 Application Insights 執行個體
    • 使用 azmcp-monitor-table-list 識別相關的記錄資料表

  2. 執行診斷查詢：
    根據資源類型，使用 azmcp-monitor-log-query 搭配目標 KQL 查詢：

    一般錯誤分析：

    // 最近的錯誤和例外狀況
union isfuzzy=true 
    AzureDiagnostics,
    AppServiceHTTPLogs,
    AppServiceAppLogs,
    AzureActivity
| where TimeGenerated > ago(24h)
| where Level == "Error" or ResultType != "Success"
| summarize ErrorCount=count() by Resource, ResultType, bin(TimeGenerated, 1h)
| order by TimeGenerated desc

    效能分析：

    // 效能衰退模式
Perf
| where TimeGenerated > ago(7d)
| where ObjectName == "Processor" and CounterName == "% Processor Time"
| summarize avg(CounterValue) by Computer, bin(TimeGenerated, 1h)
| where avg_CounterValue > 80

    應用程式特定查詢：

    // Application Insights - 失敗的要求
requests
| where timestamp > ago(24h)
| where success == false
| summarize FailureCount=count() by resultCode, bin(timestamp, 1h)
| order by timestamp desc

// 資料庫 - 連線失敗
AzureDiagnostics
| where ResourceProvider == "MICROSOFT.SQL"
| where Category == "SQLSecurityAuditEvents"
| where action_name_s == "CONNECTION_FAILED"
| summarize ConnectionFailures=count() by bin(TimeGenerated, 1h)

  3. 模式識別：

    • 識別重複出現的錯誤模式或異常
    • 將錯誤與部署時間或設定變更相關聯
    • 分析效能趨勢和衰退模式
    • 尋找相依性失敗或外部服務問題

步驟 5：問題分類與根本原因分析

動作：分類已識別的問題並判斷根本原因
流程：

  1. 問題分類：

    • 重大：服務無法使用、資料遺失、安全性漏洞
    • 高：效能衰退、間歇性失敗、高錯誤率
    • 中：警告、次佳設定、輕微效能問題
    • 低：資訊性警示、最佳化機會

  2. 根本原因分析：

    • 設定問題：不正確的設定、缺少相依性
    • 資源限制：CPU/記憶體/磁碟限制、節流
    • 網路問題：連線問題、DNS 解析、防火牆規則
    • 應用程式問題：程式碼錯誤、記憶體流失、效率低下的查詢
    • 外部相依性：第三方服務失敗、API 限制
    • 安全性問題：驗證失敗、憑證過期

  3. 影響評估：

    • 判斷業務影響和受影響的使用者/系統
    • 評估資料完整性和安全性影響
    • 評估復原時間目標和優先順序

步驟 6：產生補救計畫

動作：建立全面的計畫來處理已識別的問題
流程：

  1. 立即行動（重大問題）：

    • 緊急修正以恢復服務可用性
    • 暫時因應措施以減輕影響
    • 複雜問題的升級程序

  2. 短期修正（高/中問題）：

    • 設定調整和資源調整
    • 應用程式更新和修補程式
    • 監控和警示改善

  3. 長期改善（所有問題）：

    • 架構變更以提升復原能力
    • 預防措施和監控增強
    • 文件和流程改善

  4. 實作步驟：

    • 依優先順序排列的動作項目，附帶特定 Azure CLI 命令
    • 測試和驗證程序
    • 每個變更的復原計畫
    • 監控以驗證問題解決

步驟 7：使用者確認與報告產生

動作：呈現發現結果並取得補救動作的核准
流程：

  1. 顯示健康狀態評估摘要：

    🏥 Azure 資源健康狀態評估

📊 資源概覽：
• 資源：[名稱]（[類型]）
• 狀態：[健康/警告/重大]
• 位置：[區域]
• 最後分析時間：[時間戳記]

🚨 已識別的問題：
• 重大：X 個問題需要立即處理
• 高：Y 個問題影響效能/可靠性
• 中：Z 個問題可供最佳化
• 低：N 個資訊性項目

🔍 主要問題：
1. [問題類型]：[描述] - 影響：[高/中/低]
2. [問題類型]：[描述] - 影響：[高/中/低]
3. [問題類型]：[描述] - 影響：[高/中/低]

🛠️ 補救計畫：
• 立即行動：X 個項目
• 短期修正：Y 個項目
• 長期改善：Z 個項目
• 預計解決時間：[時間表]

❓ 是否繼續執行詳細補救計畫？(y/n)

  2. 產生詳細報告：

    # Azure 資源健康狀態報告：[資源名稱]

**產生時間**：[時間戳記]
**資源**：[完整資源 ID]
**整體健康狀態**：[狀態，附顏色指示器]

## 🔍 執行摘要
[健康狀態和主要發現的簡要概述]

## 📊 健康狀態計量
- **可用性**：過去 24 小時 X%
- **效能**：[平均回應時間/輸送量]
- **錯誤率**：過去 24 小時 X%
- **資源使用率**：[CPU/記憶體/儲存體百分比]

## 🚨 已識別的問題

### 重大問題
- **[問題 1]**：[描述]
  - **根本原因**：[分析]
  - **影響**：[業務影響]
  - **立即行動**：[必要步驟]

### 高優先順序問題
- **[問題 2]**：[描述]
  - **根本原因**：[分析]
  - **影響**：[效能/可靠性影響]
  - **建議修正**：[解決步驟]

## 🛠️ 補救計畫

### 階段 1：立即行動（0-2 小時）
```bash
# 恢復服務的重大修正
[Azure CLI 命令及說明]

    階段 2：短期修正（2-24 小時）

    # 效能和可靠性改善
[Azure CLI 命令及說明]

    階段 3：長期改善（1-4 週）

    # 架構和預防措施
[Azure CLI 命令和設定變更]

    📈 監控建議

    • 要設定的警示：[建議的警示清單]
    • 要建立的儀表板：[監控儀表板建議]
    • 定期健康狀態檢查：[建議的頻率和範圍]

    ✅ 驗證步驟

    • [ ] 透過記錄驗證問題解決
    • [ ] 確認效能改善
    • [ ] 測試應用程式功能
    • [ ] 更新監控和警示
    • [ ] 記錄經驗教訓

    📝 預防措施

    • [防止類似問題的建議]
    • [流程改善]
    • [監控增強]

錯誤處理

  • 找不到資源：提供資源名稱/位置指定的指引
  • 驗證問題：引導使用者完成 Azure 驗證設定
  • 權限不足：列出存取資源所需的 RBAC 角色
  • 無可用記錄：建議啟用診斷設定並等待資料
  • 查詢逾時：將分析分解為較小的時間視窗
  • 服務特定問題：提供一般健康狀態評估，並註明限制

成功條件

  • ✅ 準確評估資源健康狀態
  • ✅ 識別並分類所有重大問題
  • ✅ 完成主要問題的根本原因分析
  • ✅ 提供可操作的補救計畫，附帶具體步驟
  • ✅ 包含監控和預防建議
  • ✅ 根據業務影響明確排定問題優先順序
  • ✅ 實作步驟包含驗證和復原程序